基于瞬时电压矢量定向的有源电力滤波器补偿电流检测

结合电力系统无功补偿与谐波治理的基本原则,对基于瞬时无功功率理论的传统谐波电流检测方法在有源电力滤波器中的应用进行了简要分析,进而提出了以电网电压为参考基准,以实现各种非线性负载及阻感、阻容性负载向纯电阻性负载转换为目的的负载电流波形和相位治理原则,并详细阐述了基于瞬时电压矢量定向的补偿电流检测方法。该方法克服了传统方法在电网电压畸变时补偿后电流不能跟随电网电压波形的不足,避免了有源电力滤波器补偿电流过大及畸变无功功率倒送电网现象的出现,同时该方法具有频率自动跟踪、相序自适应等特点。最后,通过仿真和样机试验验证了该补偿电流检测方法的优越性。     

基于光纤光栅的高压开关柜温度在线监测系统

采用光纤光栅作为温度传感器,利用全息体相位光栅衍射解调方法设计了高压开关柜内关键节点温度的在线监测系统.对利用聚酰亚胺材料封装的光纤光栅的温度响应特性进行了实验测试,验证了光纤光栅反射波长与温度的良好线性关系.对高压开关柜内接头温度进行了现场测试,获得了良好的试验结果.     

基于LSTM神经网络的区域微网短期负荷预测

针对大电网负荷预测的研究较多而微电网相对较少,因此建立合适的微电网负荷预测模型提高预测的准确度非常重要。本文针对输入变量较少的情况,分析并选用温度、日类型以及多个历史负荷量作为模型的输入变量,选用基于循环神经网络基础下的长短期记忆神经网络进行建模,构建基于LSTM神经网络的微网负荷预测模型。最后,为增强结果的可靠性,采用2组不同时间段的负荷数据分别进行预测,将LSTM神经网络的预测结果与BP神经网络、径向基函数神经网络、Elman神经网络的预测结果进行对比。实验结果表明,LSTM神经网络的预测结果要优于BP神经网络、径向基函数神经网络及Elman神经网络,采用LSTM神经网络负荷预测模型在微电网背景下具有比较好的推广前景。     

城市地下综合管廊基坑施工风险评价研究

为控制城市地下综合管廊基坑施工风险,根据城市地下综合管廊基坑工程项目特点,构建基坑施工风险评价体系;使用模糊层次分析法和CEEMDAN方法对实际工程进行风险评价,将主观评价数据进行客观处理,得到各评价指标的最终权重;根据云模型理论生成标准评价云模型,并结合专家意见和最终权重生成综合评价云模型;最后将该模型用于实际工程风险评价,得出该工程处于“较低风险”。评价结果与实际情况相符,表明该模型的准确性和实用性,且能有效规避专家打分的主观因素影响。     

基于瞬时电流直接控制的有源电力滤波器电流跟踪新方法

阐述了有源电力滤波器(APF)实现瞬时电流直接控制的基本理论,并藉此提出一套新型脉宽调制电流跟踪控制方法。该方法通过分析并网型逆变器不同开关状态对瞬时电流的直接控制作用得出一组瞬时电流位移因子算式。在调控输出电流时,采用脉宽调制方法选择不同瞬时电流位移因子并控制其作用时间,完成当前电流向下一时刻指令电流的转移,从而达到输出电流跟踪指令电流的控制目标。该方法仅用单数字信号处理器(DSP)系统即可实现有源电力滤波器的高性能快速检测与控制,简单实用,有效减小了输出滤波电感量。最后,通过两电平有源电力滤波器仿真实验证明新方法优于传统方法。     

基于LoRa通信的智能电力测控仪设计

随着现代微电网建设的不断深入,针对工业用户对于设备能耗、电能质量、负载运行、新能源发储配状况实时监控的实际需求进行研究,设计了一款具有远程通信功能、适用于微电网复杂环境的智能电力测控仪.以STM32VET6为控制核心,采用快速傅里叶变换技术对用电信息及电能质量进行准确的计算与分析,并通过LoRa模块以无线方式与上位机监...     

电动汽车充电站供电系统无功补偿与谐波治理

首先讨论了电动汽车充电设备的分类及它们对供电系统电能质量的影响。其次,介绍了适用于大型充电站的无功补偿与谐波治理手段及其基本原理与构成。最后,提出了一套适用于充电站的有源电力滤波装置设计方案,仿真实验结果证明了该方案的正确性及有效性。     

基于LSTM的储能蓄电池SOC与SOH联合在线估计

蓄电池组是微电网储能系统重要的组成部分之一,对储能系统的整体技术及经济性能具有重要影响。针对蓄电池荷电状态(SOC)与健康状态(SOH)在线准确测量的难题,提出基于长短期记忆(LSTM)神经网络的蓄电池SOC与SOH联合在线估算方法。该方法利用LSTM的动态逼近与长时间记忆能力,以电池端电压、电流及温度的时间序列数据,将阶段SOH均值引入SOC的估算中实现联合估算。采用NASA开放实验数据测试,基于LSTM网络的联合模型相比于单独模型及Bp传统网络具有更高的精确度和更稳定的估算效果。     

一种多协议嵌入式网关开发

针对ZigBee无线传感器分布分散、多协议异构的问题以及需要多区域传输数据信息的需求,设计了一种嵌入式网关:采用STM32控制芯片、CC243l ZigBee芯片和穿透性能优越的433 MHz无线模块构成硬件平台。通过对网关软件平台的设计,解决了协议转换问题。     

基于GIHCMAC神经网络的建筑电负荷预测方法

随着能源供应与经济快速发展的矛盾日益加剧，建筑节能成为可持续发展战略的一个关键环节，研究一种快速、精准的建筑用电量预测方法是实现建筑节能优化控制的重要前提.本文将遗传算法与蚁群聚类算法相融合，对基于聚类的IHCMAC （Improvement Hyperball CMAC）神经网络的网络节点进行改进，将GIHCMAC （Genetic Algorithm Ant Colony Clustering Algorithm based on IHCMAC）作为建筑电力负荷预测模型，对潍坊某一办公建筑用电负荷进行预测.研究结果表明，该预测模型迭代次数最小、准确度较高，其迭代次数、训练误差、泛化误差分别为9、0.0045、0.0014，较IHCMAC、KHCMAC （K-means Hyperball CMAC）、IKHCMAC （Improvement K-means Hyperball CMAC）模型的收敛速度更快，精度更高，泛化能力更强.